正则表达式

一、正则表达式规则

1.单字符匹配规则

• 字符  .              　   匹配任意1个字符（除了\n）
• 字符 []　　　　　匹配[]中列举的字符
• 字符 \d                    匹配数字，也就是0-9
• 字符 \D　　           匹配非数字，也就是匹配不是数字的字符
• 字符 \s                    匹配空白符，也就是空格\tab
• 字符 \S                   匹配非空白符，\s取反
• 字符 \w                  匹配单词字符，a-z,A-Z,0-9,_
• 字符 \W                 匹配非单词字符，\w取反

2.表示数量的规则

• 字符 *                    匹配前一个字符出现0次或者无限次，可有可无，可多可少
• 字符 +                    匹配前一个字符出现1次或者无线次，直到出现一次
• 字符 ？                  匹配前一个字符1次或者0次，要么有1次，要么没有
• 字符 {m}               匹配前一个字符出现m次
• 字符 {m,}              匹配前一个字符至少出现m次
• 字符 {m,n}            匹配前一个字符出现m到n次

 

3.表示边界

• 字符 ^                    匹配字符串开头
• 字符 $                    匹配字符串结尾
• 字符 \b                   匹配一个单词的边界
• 字符 \B                   匹配非单词边界

4.匹配分组

• 字符 |                     匹配左右任意一个表达式
• 字符 (ab)                将括号中字符作为一个分组
  
• 字符 \num              引用分组num匹配到的字符串
  
• 字符 (?P<name>)  分组起别名
• 字符 (?P=name)    引用别名为name分组匹配到的字符串

5.可选标志

• 字符 re.I             忽略大小写 
• 字符 re.L            表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
• 字符 re.M           多行模式
• 字符 re.S            即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）
• 字符 re.U            表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
• 字符 re.X            为了增加可读性，忽略空格和' # '后面的注释

二、正则表达式的用法

1.字符串搜索

　　%主要方法

• match方法
  描述：从左往右依次匹配，不满足则退出并返回None，匹配成功则返回一个匹配对象
  格式：re.match(pattern,str，flags=0)
• search方法
  描述：全局搜索，只要有就返回，不再继续往下寻找
  格式：re.search(pattern,str,flags=0)
• findall方法
  描述：获取所有匹配的查找
  格式：re.findall(pattern,str)

　　%区别

　　　match只匹配字符串的开始，如果字符串开始不符合正则表达式则匹配失败，返回None；

　　　search匹配整个字符串，直到找到一个匹配。

2.字符串替换

• sub方法
  描述：将匹配到的数据进行替换
  格式：re.sub(pattern,replace,str,count=0,flags=0)
  参数：count替换的最大次数，默认0代表替换所有匹配；flags编译时用的匹配模式
  特征：replace可以是字符串或者一个函数
             #当replace为字符串时直接对查找到的字符串进行替换
  　　　#当replace为函数时，则将查找到的字符串作为参数传入函数中，并将函数的返回的字符串替换到原字符串中

3.字符串切割

• split()方法
  描述：按照能够匹配的子串将字符串分割后返回列表
• 格式：re.split(pattern,str[,maxsplit,flags=0])
• 参数：maxsplit分隔次数；flags标志位，用于控制正则表达式的匹配方式（修饰符-可选标志）

4.字符串获取

• group()方法
  内容：匹配整个表达式的字符串，group()可以一次输入多个组号，在这种情况下它将返回一个包含那些组对应值的元组
• groups()方法
  内容：返回一个包含所有小组字符串的元组，从1到所含的小组号

三、其他注意点

1.正则表达式的贪婪与非贪婪模式

• 含义：贪婪模式是指前面字符串尽可能多的匹配
• 转换：用 ? 将贪婪模式转换为非贪婪模式　　

2.原始字符串raw

• 来源：转义字符 \ 会造成在字符串匹配时需要转义为 \\ 
• 解决：在字符串前面加上 r ，就不需要考虑字符串转义的问题

3.原生字符串

• 内容：python中""" """可以定义一个原生字符串
• 含义：不管该字符串中有双引号单引号都会保留，不需要转义等特殊处理